• RSS订阅 加入收藏  设为首页
热点聚焦

人工智能革命——通往超级智能之路(4)

时间:2016-3-30 9:29:36  作者:黄菁 编译  来源:中华智库园  查看:132  评论:0
内容摘要:想要实现宽域人工智能(AGI),必须实现的一件事是:计算机硬件运算能力的提升。如果一个人工智能系统想和人脑一样聪明,就必须达到人脑天然的计算能力才行。

[美]蒂姆•厄本 作 黄菁 编译

 

实现宽域人工智能的第一个关键:提高电脑运算能力

 

想要实现宽域人工智能(AGI),必须实现的一件事是:计算机硬件运算能力的提升。如果一个人工智能系统想和人脑一样聪明,就必须达到人脑天然的计算能力才行。

衡量这种能力的办法之一是人脑每秒运算总量(the total calculations per second (cps))。把人脑中各个结构每秒运算量的最大值加合起来,就能够得到人脑每秒运算总量了。

雷蒙德•库茨魏尔在计算人脑每秒运算总量时找了一条捷径:采用某人对某大脑结构每秒运算量的专业估算值,以及该结构占整个大脑的重量比,两数相除,得出人脑每秒运算总量的估值。听起来有点不靠谱,但是库茨魏尔已经使用了大量的不同脑结构区域的专业估算值,而最终得出的结果都差不多——1016cps左右,或约每秒1亿亿次。

现在,世界上运算速度最快的巨型机,中国的天河二号,计算能力实际已经超过1亿亿次/秒,达到了3.4亿亿次/秒。然而,天河不过运算能力刚刚够格,却占地720平方米,耗电功率为2400万瓦特(人脑仅为20瓦特),建造费用为3.9亿美元。而且,并不能广泛应用,甚至绝大多数商业或工业领域目前也指望不上它。

库茨魏尔建议,我们可以用1000美元能买到多少cps来衡量计算机的发展水平。当1000美元能买到人脑级别的运算速度——1016cps时,就意味着AGI可能成为生活中非常现实的一部分了。

摩尔定律(Moore’s Law )已被历史证实,世界上最强的计算机运算能力大约每两年翻一倍。这意味着计算机硬件发展同人类发展一样,是以指数形式增长的。请看摩尔定律与库茨魏尔“1000美元能购买多少cps”衡量法之间的联系。我们现在花1000美元可以买到10万亿cps,与图中的预测轨迹正好相符:

人工智能革命——通往超级智能之路(4)

所以,现在1000美元能买到的计算机,已经胜过了老鼠的大脑,并且达到了人脑千分之一的水平。这算不了什么,但是请你记得:1985年,这个比例是一万亿分之一;1995年已达十亿分之一;2005年,是一百万分之一。2015年达到一千分之一,按照这个速度发展下去,我们在2025年,就能买到运算能力相当于人脑的计算机了。

所以在硬件方面,中国已经使AGI原始计算能力在技术上具备了可行性,10年以内, AGI硬件产品将会变得价格低廉、应用广泛。但是仅具备原始计算能力,还不足以使计算机拥有综合性智能——下一个问题是:我们怎样把人类级别的智能赋予这种运算能力?

 

实现宽域人工智能的第二个关键:计算机智能化

 

这是麻烦的部分。事实上,还没有人真正搞懂该怎样使计算机智能化——我们仍然在争辩该怎样让计算机具备人类级别的智能,学会认出一只狗、写法怪异的B,以及什么样的电影算是烂片儿。但是,已经有了不少目前尚显牵强的解决策略,在某一时刻,它们中的一个将开始工作。以下是我碰到的三种最常见的策略:

(一)剽窃人脑

这就好比在科学家班级里,有个坐在他们旁边的孩子,聪明得每次都考得特别好,无论他们再怎么努力,也考不过他。最后他们决定:“我靠,以后他答啥我抄啥。”这办法不无道理——我们在制造一台超级复杂计算机的过程中遇到了困难,而与此同时,我们人人脑袋里都装着一台完美的样机。

科学界正在对人脑进行倒序仿制,好弄明白这种绝妙的东西是怎么在进化中产生的——据乐观估计,2030年前这项工作就能完成。一旦我们对人脑完成倒序仿制,我们就能知道大脑是怎样有力、有效工作的所有秘密,我们可以从中汲取灵感,并偷走它的创新。计算机结构学模拟大脑的一个例子是人工神经网络。首先搭建一个晶体管“神经元”网络,这些“神经元”通过输入、输出互相联结在一起,并且像一个婴儿大脑一样,什么都不懂得。它通过完成任务来“学习”,例如识别笔迹。一开始辨认每个字母时,它的神经活动和随后的猜测将是完全随机的。但是一旦当它得知自己认对了,得到正确答案的神经元联结通路就得到了增强;而当认错了时,那些错误通路的联结就会变弱。经过大量测试和反馈,这个“神经元”网络就会自己形成智能神经通路,而针对这项任务,机器的能力也就得到了优化。

大脑的学习过程和上述过程有些类似,但是更为复杂。随着我们继续研究大脑,我们还会找到巧妙利用神经回路的新方法。更极端的剽窃办法包含一种叫“全脑仿真”的策略。这一办法的目标是把人脑切成薄片,对每一片进行扫描,使用软件来重建一个精准的三维模型,然后用一台功能强大的计算机运行该模型,这样,我们就正儿八经有一台人脑能做啥、它也能做啥的计算机了——它只需要学习和收集信息就行。如果工程师们能对人脑做到高精准仿真,则当这个三维模型装载上计算机时,被仿真人脑的全部人格与记忆也将被完整还原。如果被仿真的大脑生前属于吉姆,这台计算机就将是苏醒的吉姆,一个强健的人类级别宽域人工智能,接下来我们可以做的,就是把吉姆变成聪明超乎想象的超级人工智能(ASI),吉姆自己大概会兴奋得不得了。

我们离全脑仿真还有多远?迄今为止,我们刚能仿真扁形虫1毫米长的大脑,仅含302个神经元。人类大脑的神经元数量是1万亿个。如果觉得这工程好像实现无望,就想想指数增长的威力——小小虫脑的仿真已经攻克,蚂蚁的不久就能实现,然后是老鼠,然后忽然,就会觉得人脑仿真不那么不切实际了。

(二)仿真进化

所以,如果我们感到那个聪明小孩的考卷儿太难抄,我们可以学学他准备考试的方法。

我们知道,建造一台和人脑一样强大的计算机是可能的——人脑的进化过程即是证明。如果人脑过于复杂、难于仿真,我们可以换一条路,试着仿真人脑进化过程。事实上,即使我们能够仿真人脑,也好比通过模仿鸟类扑翼运动来建造一架飞机——通常,完美的机器设计途径是创造性地面向机器,而非完全去模仿生物。

所以该怎样仿真进化过程,来构建宽域人工智能呢?这种被称为“遗传算法”的方法是这样的:加载一个不断重演的“表现—评估”程序(像生物一样,以个体生活来“表现”,以是否能够自我繁殖作为“评估”),使用一组计算机来完成赋予它们的任务,将表现最出色的两台计算机的程序各取一半进行融合,产生一台新的计算机。而表现不够好的计算机将被淘汰。经过足够多次反复之后,这一自然选择过程就会产生出越来越好的计算机。这个方法的难点在于创建一个自动的评价与繁殖循环,使计算机可以自行进化。

仿真进化的问题是,进化可能要花上10亿年左右的时间,而我们则希望它短短几十年就能完成。

但是与进化相比,我们有很多优势。首先,进化没有预见能力,是随机的——它产生的无用变异比有用变异要多,而我们可以操控仿真进化的过程,它会针对有益的缺陷做出针对性的调整。其次,进化是没有目标的,包括产生智能在内——有些环境甚至对更高智能是不利的(因为智能会消耗很多能量)。而我们则能将仿真进化过程,明确引导到不断产生更高智能的方向。再次,自然进化需要很多辅助手段促进智能的产生与发展——例如修改细胞产生能量的方式——而我们则可以利用电力,省掉额外的麻烦。毫无疑问,模拟进化的速度将远远高于自然进化,但是能快到什么程度,我们仍然不能肯定。而假如不够快,这一策略也就算不上可行。

(三)把这件事交给计算机,我们不管了

科学家无计可施之后,准备给试卷编程,好让它自行答题。这种方法或许是我们能用的最有希望的一种。

其理念是建造一台拥有研究人工智能和为自己修改代码两大技能的计算机——允许它不仅可以学习,还可以改进自身的体系结构。我们把计算机教成计算机科学家,好让它们可以引导自身发展。那就是它们主要的工作——整明白怎么样让自己更加聪明。这一点,我们稍后将详加说明。这一切很快就会发生。

硬件的快速发展与软件的创新实验也在同时进行。有两个原因,会让超级人工智能很快并出乎意料地悄悄来临:

(1)指数的增长是很激烈的——看似蜗牛一样的发展速度会猛然向上增长,密歇根湖的容量(单位:液盎司)与人脑容量差不多(单位:每秒运算量)。计算机运算能力每18个月翻一倍,以这个速度,你很长时间都难以看到进步——然后突然,事情搞定了。

(2)说到软件,发展看起来缓慢,但一次顿悟就能立马改变发展速度(这有点像科学的发展,当人类信奉地心说时,很难计算宇宙的运行,但后来随着日心说的发现,计算宇宙运行就简单了许多)。也许我们离制造一台能自我改进的计算机还很远,但我们与制造千倍于现在运算能力的计算机和实现人类级别的智能之间,也许只差一个微小的系统调整的距离。(待续)返回中华智库园网首页

 

(英文原版地址:The AI Revolution: Road to Superintelligence The AI Revolution: Our Immortality or Extinction)


标签:人工智能革命 通往超级智能之路 4 
相关评论

免责声明

    本网站转载的所有的文章、图片、音频、视频文件等资料,均出于为公众传播有益资讯信息之目的,其版权归版权所有人所有。所采用的非本站原创文章及图片等内容无法逐一和版权者联系,若所选内容作者及编辑认为其作品不宜上本网供大家浏览,请及时用电子邮件通知我们,以便即时删除,避免给双方造成不必要的损失。

邮箱:zhzky102@163.com

 

版权所有 智库园(北京)国际文化有限公司  技术支持:中国企业集成网  京公网安备:110108006569

京ICP备案号:10020766